LIF脉冲神经网络ASIC：TinyTapeout上的四神经元神经形态芯片设计

本项目是基于泄漏整合发放（LIF）模型的4神经元脉冲神经网络（SNN）ASIC芯片设计，专为TinyTapeout平台打造，采用GlobalFoundries 180纳米工艺制造。项目探索神经形态计算在边缘设备的实现，同时借助TinyTapeout平台降低芯片设计门槛，为开源芯片与边缘AI领域提供实践参考。

脉冲神经网络（SNN）作为第三代神经网络，通过离散脉冲信号传递信息，更接近生物神经系统，在能效和实时处理上具有优势。LIF模型是常用的神经元模型，核心过程包括：整合（输入电流积累膜电位）、泄漏（膜电位随时间衰减至静息电位）、发放（膜电位超阈值产生脉冲并重置）。该模型简化但高效，适合硬件实现。

TinyTapeout是开源芯片设计平台，通过多项目晶圆（MPW）服务让个人/小团队以低成本（数百美元）制造ASIC。本项目选择GF180nm工艺，因其成熟稳定、成本低廉，适合验证神经形态计算概念与教学用途。

4神经元设计包含三大核心：1.神经元核心（膜电位积分器、泄漏电路、阈值比较器、脉冲发生器）；2.突触连接（权重决定网络行为，不同拓扑实现多种计算模式）；3.事件驱动架构（仅神经元发放时消耗显著能量，适合边缘计算）。

SNN ASIC在多领域有潜力：边缘AI（天然稀疏性适合资源受限设备）、实时信号处理（音频/振动分析、脑机接口）、低功耗传感（结合事件相机实现微瓦级智能感知）、脑科学研究（物理模拟平台验证神经科学理论）。

项目开源分享技术成果，提供学习资源，任何人可研究改进。TinyTapeout模式证明芯片设计不再局限于大型公司，开源EDA工具与MPW服务普及让"车库芯片设计师"成为可能。

本项目虽规模小，但代表神经形态计算民主化的重要一步。从算法到硅片实现，从高成本到低成本流片，开源社区重新定义芯片创新边界，为边缘AI、低功耗计算开发者提供入门路径与实践参考。